本文围绕自主车伴随系统的功能模块展开研究,采用视觉伺服的方式进行目标跟踪,结合云台的使用,使跟踪过程更稳定,同时根据目标轨迹进行自主车跟随的路径规划,使自主车完成自主跟随任务。文章创新点有以下几个方面:1.提出了一种颜色命名特征辅助的TLD算法,通过加入颜色命名特征,使TLD算法性能有很大的提高。文中对多种特征进行尝试,发现颜色命名特征与TLD算法相结合使跟踪效果明显优于其他几种特征改进。改进后的算法分三种工作模式,测试20个具有不同场景属性的公开数据库性能,并和其他28种著名开源跟踪算法进行比较。实验证明,本文改进的算法能够获得更加精确稳定的跟踪结果。2.研究了基于卡尔曼滤波运动估计的反馈与云台伺服。卡尔曼滤波器对连续目标运动状态有较好的预测能力,一方面,取卡尔曼滤波预估的目标框位置作为输入,超前控制可弥补目标跟踪算法处理复杂环境延时大的问题,另一方面,通过卡尔曼滤波可估计出目标在下一帧图像中的大致像面位置,通过提出的自适应反馈搜索提高跟踪算法效率。实验表明通过引入卡尔曼滤波运动估计,云台的伺服更加稳定。3.提出了一种改进曲线坐标变换式路径规划方法。经典的基于圆弧拼接的自主车路径规划仅视当前时刻的目标位置为预瞄点,没有考虑目标轨迹的航向角,因此生成的圆弧轨迹末端航向角不可控;为克服航向角不可控问题,本文改进了一种曲线坐标变换式的伴随式自主车路径规划方法,通过松弛末端的约束,可以保证规划得到的路径侧向偏差与航向角可控,并且可以得到多组路径轨迹以供后续选择。